随着多媒体技术和计算机网络的飞速发展,全世界的数字图像容量正以惊人的速度增长。数字图像中包含了大量有用的信息,然而,由于这些图像是无序地分布在世界各地,图像中包含的信息无法被有效地访问和利用。这就要求有一种能够快速而且准确地查找访问图像的技术,也就是所谓的图像检索技术(CBIR,Content-based image retrieval)。在这种检索技术中,图像的特征提取和匹配非常重要。图像特征包括颜色、纹理、形状和空间关系特征。由于纹理特征能很好的表征图像,因而在模式识别和计算机视觉等领域得到了广泛的应用和研究。到目前为止,人们针对纹理特征提取已经做过大量的研究,但大多数研究方案的抗几何形变能力差,不能有效抵制旋转、伸缩和平移(RST,rotation,scale,translation)的几何形变。已经有一些学者提出了利用自相关图像消除平移、对数-极坐标变换消除旋转和伸缩的算法,但是在具体实现过程中仍然存在“值域太窄”、“存在小数”和对数-极坐标系中平移的影响等问题。基于他们提出的算法的启发,本文将研究一种细化参数的自相关图像纹理特征提取算法,该算法具有旋转、伸缩和平移不变性,能更好的适应实际应用的需要。较之传统算法,本算法对发生几何形变的纹理图像进行检索时能取得更好的检索效果。本文算法的独特之处在于,在特征提取过程中,引入细化参数的对数-极坐标变换,解决了对数-极坐标变换过程中出现的“值域太窄”、“存在小数”的问题;引入对数-极坐标变换之后的自相关图像,消除了由于对数-极坐标变换将旋转和伸缩的几何形变转换成为对数-极坐标系中的左右、上下平移的影响。